基于Hilbert-Huang变换的抗冰导管架平台损伤识别研究

渤海海域的抗冰导管架平台每年冬季都会受到海冰作用从而产生严重的冰激振动问题.对冰振危害进行监测与分析是保障冰区现役抗冰平台安全作业和降低冰害损失的重要研究内容.本文针对导管架结构长期处于冰振情况下结构可能存在隐性损伤的问题,采用Hilbert-Huang变换的方法开展结构损伤识别的研究.首先利用通用有限元分析软件ANSYS对冰荷载作用下的导管架平台模型进行瞬态动力学分析,进而对动力响应信号进行Hilbert-Huang变换,得到信号的固有模态函数(IMF)和Hilbert能量边际谱,最后通过结构损伤前后Hilbert能量边际谱的变化构建损伤指标,分析对比不同损伤程度下该损伤指标的有效性,并探讨海冰的冰速、冰厚对该损伤指标的影响.研究工作可以为寒区导管架结构在冰振情况下的损伤识别研究提供借鉴和参考.     

考虑结伴行为的地铁通道行人仿真建模研究

结伴是行人运动中的普遍行为，且对行人的整体运动具有显著影响，因此仿真行人运动时，有必要考虑结伴行为. 本文以地铁内一般通道为空间背景，首先利用视频观测数据，深入分析了通道内的结伴行为特征. 然后，区分普通个体行人、结伴行人及结伴群体中的不同角色(领导者、跟随者)，基于社会力模型原理，结合颗粒流理论，建立了包含驱动力、接触力、排斥力3 个子模型的行人运动模型，并构建了考虑结伴行为的行人仿真平台. 最后，以某一地铁通道作为实例，通过观测数据及对结伴行为的刻画验证了该仿真模型的真实性及有效性，并分析了不同结伴比例对行人流平均速度的影响，得出行人速度随着结伴比例增大而减小的结论. 该模型可为进一步完善地铁枢纽的行人运动仿真模型提供理论支持，为通道内行人组织提供帮助.     

基于货运车辆预警数据的高速公路危险驾驶热点路段识别

本文以货运车辆车联网数据中的车辆碰撞预警、疲劳预警和超速预警数据为研究对象,针对G4高速公路北京和河北境内道路上的三种预警热点路段进行识别。运用全局空间自相关性分析方法得出三种预警数据在道路空间中不是随机分布,而是集中在某一个或几个路段上;进一步采用局部空间相关性分析方法识别出三种不同预警类型下对应的热点路段。交通管理部门可根据识别出的预警热点路段提出针对性的管控措施,有助于缓解交通事故的发生,提高货运安全水平。     

融合改进YOLO和背景差分的道路抛洒物检测算法

针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题，探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上，对模型结构进行修改以满足实时性需求。具体地，使用卷积优化YOLO中的降采样模块，采用Ghost网络替代原始的特征提取网络以减少计算量，根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框，在检测框周围设定感兴趣区域，并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比，排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明，改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms，比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明，在没有抛洒物训练数据情况下，传统混合高斯模型算法平均精度值为0.51，采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78，算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms，可实现抛洒物的实时检测。      

综合客运枢纽信息设置影响行人行为的调查分析

基于综合客运枢纽信息内涵及作用,根据不同的分类标准对综合客运枢纽信息进行了分类。枢纽内行人对信息有需求,枢纽信息的设置才会对行人有影响;因此,分别从不熟悉枢纽环境的进站行人、出站行人、换乘行人3个方面详细分析了枢纽内不同走行路径的行人对信息的不同需求。最后,通过对上海虹桥火车站实地调查,并对调查数据进行分析,得出在换乘过程中设置快速路径指示标识和实时信息都将影响枢纽内换乘行人的行为,并建议在地铁换乘高铁的A/B方向通道上,规范信息设置,凸显指路信息。     

图像识别与卷积神经网络结合的船舶裂缝图像处理技术

裂缝是船舶致命的缺陷,不仅会降低舰船的防水性能,严重时还会导致整个船体的结构破裂,导致船舶沉没等严重事故。因此,在船舶的生产与制造过程中及时对船舶的裂缝进行识别,在船舶的正常运行维护中提早发现船舶的裂缝缺陷并处理,具有重要意义。传统的船舶裂缝识别主要靠超声波探测等技术,效率低,为了改善这一现状,本文研究了一种基于图像识别与卷积神经网络的船舶裂缝图像识别系统,分别从图像识别技术和神经网络算法进行了相关的阐述。